Analisi bibliometrica - I docenti del DMIF

logo

Introduzione

Che cosa è la bibliometria?

La bibliometria è una disciplina che utilizza analisi quantitative e statistiche per analizzare le pubblicazioni scientifiche e le loro relazioni.

Il progetto si focalizza sull’analisi della produzione scientifica dei docenti del dipartimento DMIF dell’Università degli Studi di Udine, per cercare di dare una stima di:

  • come funziona la ricerca

  • quali sono i settori di maggiore interesse

  • gli autori più prolifici.

Per supporto all’analisi ho utilizzato una libreria, Bibliometrix (Aria and Cuccurullo 2017), sviluppata da due docenti dell’Università di Napoli.

Fonte dei dati

I dati analizzati in questo progetto sono stati scaricati (ultimo download: 15/07/2024) da Scopus, uno dei principali dabatase bibliografici. E’ stata selezionata la sottoarea della computer science e da successivamente sono stati selezionati 31 autori del DMIF, tra docenti e dottorandi.

Ogni articolo del dataframe contiene svariati attributi tra cui: la lista di autori, il titolo del documento, la sorgente di pubblicazione, il tipo di documento, le parole chiavi degli autori, le references, il numero di citazioni, l’anno di pubblicazione.

Analisi bibliometrica

Analisi descrittiva del dataframe

La tabella delle informazioni principali descrive le dimensioni della raccolta in termini di numero di documenti, numero di autori, numero di fonti, numero di parole chiave, durata e numero medio di citazioni.

  • “docs per autori” è calcolato come rapporto tra il numero totale di autori e il numero totale di articoli.

  • “co-autori per articolo” è calcolato come numero medio di co-autori per articolo.



MAIN INFORMATION ABOUT DATA

 Timespan                              1987 : 2024 
 Sources (Journals, Books, etc)        394 
 Documents                             1279 
 Annual Growth Rate %                  10.17 
 Document Average Age                  10.7 
 Average citations per doc             13.94 
 Average citations per year per doc    1.25 
 References                            29749 
 
DOCUMENT CONTENTS
 Keywords Plus (ID)                    6360 
 Author's Keywords (DE)                2017 
 
AUTHORS
 Authors                               1027 
 Author Appearances                    4349 
 Authors of single-authored docs       17 
 
AUTHORS COLLABORATION
 Single-authored docs                  77 
 Documents per Author                  1.25 
 Co-Authors per Doc                    3.4 
 International co-authorships %        32.53 
 

Annual Scientific Production

 Year    Articles
    1987        1
    1988        1
    1989        1
    1990        1
    1991        3
    1993        4
    1994        5
    1995       12
    1996        7
    1997       10
    1998       11
    1999        9
    2000       15
    2001       17
    2002       25
    2003       23
    2004       44
    2005       29
    2006       35
    2007       49
    2008       54
    2009       60
    2010       46
    2011       44
    2012       40
    2013       32
    2014       50
    2015       58
    2016       55
    2017       60
    2018       85
    2019       59
    2020       73
    2021       62
    2022       76
    2023       87
    2024       36

Annual Percentage Growth Rate 10.17 


Most Productive Authors

   Authors        Articles Authors        Articles Fractionalized
1    MONTANARI A       200  CHITTARO L                       78.6
2    CHITTARO L        164  MONTANARI A                      58.6
3    MIZZARO S         131  MIZZARO S                        41.1
4    DOVIER A          119  POLICRITI A                      40.3
5    POLICRITI A       111  DOVIER A                         40.0
6    MICULAN M          84  MICULAN M                        37.9
7    PIAZZA C           84  PIAZZA C                         27.4
8    FORESTI GL         59  LANCIA G                         26.1
9    PICIARELLI C       59  FRANCESCHET M                    22.3
10   FONTANA F          57  BRAJNIK G                        21.2
11   FORMISANO A        55  FONTANA F                        17.8
12   LANCIA G           55  FORMISANO A                      17.7
13   PONTELLI E         55  PICIARELLI C                     17.2
14   ROITERO K          54  FORESTI GL                       15.8
15   SALA P             53  PONTELLI E                       15.3


Top manuscripts per citations

                                        Paper                                    DOI  TC TCperYear   NTC
1  CORNIA M, 2018, IEEE TRANS IMAGE PROCESS            10.1109/TIP.2018.2851672      410     58.57 26.48
2  BUTTUSSI F, 2018, IEEE TRANS VISUAL COMPUT GRAPHICS 10.1109/TVCG.2017.2653117     309     44.14 19.96
3  CHITTARO L, 2007, COMPUT EDUC                       10.1016/j.compedu.2005.06.002 297     16.50 12.03
4  CHITTARO L, 2015, IEEE TRANS VISUAL COMPUT GRAPHICS 10.1109/TVCG.2015.2391853     265     26.50 15.88
5  NADALIN F, 2012, BMC BIOINFORM                      10.1186/1471-2105-13-S14-S8   250     19.23 13.66
6  CHITTARO L, 2006, COMPUTER                          10.1109/MC.2006.109           250     13.16  7.68
7  PICIARELLI C, 2006, PATTERN RECOGN LETT             10.1016/j.patrec.2006.02.004  222     11.68  6.82
8  JENSEN CS, 1998, LECT NOTES COMPUT SCI              10.1007/bfb0053710            220      8.15  4.51
9  FRANCESCHET M, 2010, J INF                          10.1016/j.joi.2010.06.003     185     12.33  6.44
10 FRANCESCHET M, 2010, SCIENTOMETRICS                 10.1007/s11192-009-0021-2     177     11.80  6.16
11 FRANCESCHET M, 2011, COMMUN ACM                     10.1145/1953122.1953146       139      9.93  6.68
12 MIZZARO S, 1998, INTERACT COMPUT                    10.1016/S0953-5438(98)00012-5 139      5.15  2.85
13 BURIGAT S, 2007, INT J HUM COMPUT STUD              10.1016/j.ijhcs.2007.07.003   131      7.28  5.30
14 BUTTUSSI F, 2008, ARTIF INTELL MED                  10.1016/j.artmed.2007.11.004  130      7.65  7.43
15 DOVIER A, 2004, THEOR COMPUT SCI                    10.1016/S0304-3975(03)00361-X 119      5.67  5.14


Corresponding Author's Countries

          Country Articles    Freq SCP MCP MCP_Ratio
1  ITALY               652 0.88227 518 134     0.206
2  SWITZERLAND          12 0.01624   0  12     1.000
3  UNITED KINGDOM       11 0.01488   0  11     1.000
4  USA                   9 0.01218   0   9     1.000
5  SPAIN                 8 0.01083   0   8     1.000
6  DENMARK               7 0.00947   0   7     1.000
7  FRANCE                6 0.00812   0   6     1.000
8  MEXICO                5 0.00677   0   5     1.000
9  NETHERLANDS           5 0.00677   0   5     1.000
10 FINLAND               3 0.00406   0   3     1.000
11 ICELAND               3 0.00406   0   3     1.000
12 AUSTRALIA             2 0.00271   0   2     1.000
13 AUSTRIA               2 0.00271   0   2     1.000
14 CYPRUS                2 0.00271   0   2     1.000
15 GERMANY               2 0.00271   0   2     1.000


SCP: Single Country Publications

MCP: Multiple Country Publications


Total Citations per Country

     Country      Total Citations Average Article Citations
1  ITALY                    11155                     17.11
2  DENMARK                    227                     32.43
3  USA                        209                     23.22
4  UNITED KINGDOM             200                     18.18
5  SPAIN                      123                     15.38
6  FRANCE                      94                     15.67
7  MEXICO                      81                     16.20
8  NETHERLANDS                 69                     13.80
9  CYPRUS                      65                     32.50
10 SOUTH AFRICA                65                     65.00
11 FINLAND                     42                     14.00
12 AUSTRALIA                   37                     18.50
13 SWITZERLAND                 32                      2.67
14 ICELAND                     22                      7.33
15 POLAND                      22                     11.00


Most Relevant Sources

                                                                                                                         Sources       
1  LECTURE NOTES IN COMPUTER SCIENCE (INCLUDING SUBSERIES LECTURE NOTES IN ARTIFICIAL INTELLIGENCE AND LECTURE NOTES IN BIOINFORMATICS)
2  CEUR WORKSHOP PROCEEDINGS                                                                                                           
3  THEORETICAL COMPUTER SCIENCE                                                                                                        
4  LEIBNIZ INTERNATIONAL PROCEEDINGS IN INFORMATICS LIPICS                                                                             
5  ACM INTERNATIONAL CONFERENCE PROCEEDING SERIES                                                                                      
6  ELECTRONIC PROCEEDINGS IN THEORETICAL COMPUTER SCIENCE EPTCS                                                                        
7  ELECTRONIC NOTES IN THEORETICAL COMPUTER SCIENCE                                                                                    
8  EURO ADVANCED TUTORIALS ON OPERATIONAL RESEARCH                                                                                     
9  INFORMATION AND COMPUTATION                                                                                                         
10 INTERNATIONAL JOURNAL OF HUMAN COMPUTER STUDIES                                                                                     
11 THEORY AND PRACTICE OF LOGIC PROGRAMMING                                                                                            
12 COMMUNICATIONS IN COMPUTER AND INFORMATION SCIENCE                                                                                  
13 FUNDAMENTA INFORMATICAE                                                                                                             
14 INFORMATION PROCESSING AND MANAGEMENT                                                                                               
15 JOURNAL OF LOGIC AND COMPUTATION                                                                                                    
   Articles
1       249
2       118
3        33
4        29
5        26
6        25
7        24
8        16
9        15
10       15
11       14
12       13
13       12
14       10
15       10


Most Relevant Keywords

   Author Keywords (DE)      Articles         Keywords-Plus (ID)     Articles
1   EVALUATION                     31 COMPUTER CIRCUITS                   125
2   MODEL CHECKING                 26 SEMANTICS                           103
3   VIRTUAL REALITY                25 TEMPORAL LOGIC                      100
4   MOBILE DEVICES                 24 LOGIC PROGRAMMING                    97
5   INTERVAL TEMPORAL LOGIC        22 ARTIFICIAL INTELLIGENCE              92
6   DEEP LEARNING                  21 INFORMATION RETRIEVAL                72
7   CROWDSOURCING                  19 AUTOMATA THEORY                      68
8   COMPLEXITY                     18 INTERVAL TEMPORAL LOGIC              68
9   MACHINE LEARNING               16 ALGORITHMS                           64
10  BISIMULATION                   15 COMPUTABILITY AND DECIDABILITY       61
11  DECIDABILITY                   15 VIRTUAL REALITY                      61
12  ANSWER SET PROGRAMMING         14 MODEL CHECKING                       60
13  TRAINING                       14 COMPUTER SCIENCE                     55
14  COMPUTATIONAL COMPLEXITY       13 FORMAL LOGIC                         52
15  TREC                           13 COMPUTATION THEORY                   50

Prof. Montanari autore più produttivo con 196 articoli

Italia paese più produttivo, alcuni autori erano in altri paesi (esempio Svizzera, UK) quando hanno pubblicato

anno più produttivo: 2023 con 87 pubblicazioni

anno con media citazioni in articoli più alta: 2018

anno con più citazioni: 1987

Documenti per tipo

                 DT   n
1  CONFERENCE PAPER 713
2           ARTICLE 462
3      BOOK CHAPTER  42
4         EDITORIAL  40
5            REVIEW  16
6           ERRATUM   2
7              BOOK   1
8        DATA PAPER   1
9              NOTE   1
10     SHORT SURVEY   1

Il tipo di pubblicazione più presente è il conference paper, seguito da articoli e capitoli di libro.

Analisi dei riferimenti citati

Possiamo analizzare la frequenza dei riferimenti/primi autori più citati nel dataset in analisi.

Papers citati più frequentemente:

                                                                                                                                                                                                                         [,1]
MOSZKOWSKI B., REASONING ABOUT DIGITAL CIRCUITS, (1983)                                                                                                                                                                    36
ALLEN J.F., MAINTAINING KNOWLEDGE ABOUT TEMPORAL INTERVALS, COMMUNICATIONS OF THE ACM, 26, 11, PP. 832-843, (1983)                                                                                                         32
BRESOLIN D., GORANKO V., MONTANARI A., SCIAVICCO G., PROPOSITIONAL INTERVAL NEIGHBORHOOD LOGICS: EXPRESSIVENESS, DECIDABILITY, AND UNDECIDABLE EXTENSIONS, ANNALS OF PURE AND APPLIED LOGIC, 161, 3, PP. 289-304, (2009)   25
VENEMA Y., A MODAL LOGIC FOR CHOPPING INTERVALS, JOURNAL OF LOGIC AND COMPUTATION, 1, 4, PP. 453-476, (1991)                                                                                                               25
HALPERN J., SHOHAM Y., A PROPOSITIONAL MODAL LOGIC OF TIME INTERVALS, JOURNAL OF THE ACM, 38, 4, PP. 935-962, (1991)                                                                                                       23
VENEMA Y., EXPRESSIVENESS AND COMPLETENESS OF AN INTERVAL TENSE LOGIC, NOTRE DAME JOURNAL OF FORMAL LOGIC, 31, 4, PP. 529-547, (1990)                                                                                      23
HALPERN J.Y., SHOHAM Y., A PROPOSITIONAL MODAL LOGIC OF TIME INTERVALS, JOURNAL OF THE ACM, 38, 4, PP. 935-962, (1991)                                                                                                     21
HILLSTON J., A COMPOSITIONAL APPROACH TO PERFORMANCE MODELLING, (1996)                                                                                                                                                     19
ALLEN J.F., MAINTAINING KNOWLEDGE ABOUT TEMPORAL INTERVALS, COMMUN. ACM, 26, 11, PP. 832-843, (1983)                                                                                                                       17
BRESOLIN D., MONTANARI A., SCIAVICCO G., AN OPTIMAL DECISION PROCEDURE FOR RIGHT PROPOSITIONAL NEIGHBORHOOD LOGIC, JOURNAL OF AUTOMATED REASONING, 38, 1-3, PP. 173-199, (2007)                                            16

Vediamo che 2 articoli del Professor Montanari sono tra i più citati.

Primi autori citati più frequentemente:

            [,1]
MONTANARI A 1120
ET AL       1063
SCIAVICCO G  449
DOVIER A     409
MIZZARO S    407
POLICRITI A  381
SALA P       380
CHITTARO L   365
PONTELLI E   348
BRESOLIN D   345
GORANKO V    292
MICULAN M    285
PIAZZA C     271
PERON A      242
FORMISANO A  199

Vediamo che gli autori più frequentemente citati sono i Professori Montanari, Dovier, Mizzaro e Policriti.

H-index degli autori

L’h-index è una metrica a livello di autore che cerca di misurare sia la produttività che l’impatto citazionale delle pubblicazioni.

L’indice si basa sull’insieme degli articoli più citati dello scienziato e sul numero di citazioni ricevute in altre pubblicazioni. L’indice è strutturato per quantificare mediante un singolo indice numerico non solo la produzione, ma anche l’influenza di uno scienziato, distinguendolo da chi avesse pubblicato molti articoli ma di scarso interesse.

Quindi uno scienziato ha un indice n se almeno n lavori tra quelli che ha pubblicato sono stati citati almeno n volte ciascuno.

L’indice è definito in modo tale che sull’insieme dato di articoli, ordinati in ordine decrescente di citazioni ricevute, il valore dell’indice-g è assegnato quando i primi g articoli hanno ricevuto cumulativamente \(g^2\) citazioni. \[g^2 \leq \sum_{i \leq g} c_i\]

L’ M-index è definito come h/n, dove h è l’ H-index e n è il numero di anni trascorsi dalla prima pubblicazione del ricercatore.

H-index dei primi 10 autori più produttivi (in questa raccolta):

        Element h_index g_index   m_index   TC  NP PY_start
1    CHITTARO L      39      65 1.1470588 4886 164     1991
2   MONTANARI A      23      36 0.7187500 2144 200     1993
3     MIZZARO S      20      33 0.7142857 1453 131     1997
4   POLICRITI A      19      36 0.5428571 1608 111     1990
5      DOVIER A      18      29 0.6666667 1212 119     1998
6  PICIARELLI C      17      29 0.8500000  961  59     2005
7     MICULAN M      16      23 0.5161290  709  84     1994
8      PIAZZA C      16      27 0.6400000  894  84     2000
9    FORESTI GL      15      28 0.7500000  874  59     2005
10    FONTANA F       9      13 0.6000000  262  57     2010

Gli autori con l’H-index più alto sono i Prof. Chittaro, Prof. Montanari e Prof. Mizzaro.

Matrici di rete bibliografica

Gli attributi del paper sono collegati tra loro attraverso il paper stesso: autore/i alla rivista, parole chiave alla data di pubblicazione, ecc. Alcune delle analisi descrittive viste in precedenza si possono visualizzare attraverso reti bipartite.

Reti bipartite

Queste connessioni di diversi attributi generano reti bipartite che possono essere rappresentate come matrici rettangolari (Papers x Attributi).

Rete Paper x Fonte di pubblicazione:

L’oggetto è una matrice binaria rettangolare che rappresenta una rete bipartita in cui le righe e le colonne sono, in questo caso, rispettivamente papers e fonti.

L’elemento generico \(bip_{ij}\) è 1 se il paper i è stato pubblicato nella fonte j, 0 altrimenti.

La somma della colonna j-esima \(bip_j\) rappresenta il numero di papers pubblicati nella fonte j.

Fonti di pubblicazione più rilevanti:

LECTURE NOTES IN COMPUTER SCIENCE (INCLUDING SUBSERIES LECTURE NOTES IN ARTIFICIAL INTELLIGENCE AND LECTURE NOTES IN BIOINFORMATICS) 
                                                                                                                                 249 
                                                                                                           CEUR WORKSHOP PROCEEDINGS 
                                                                                                                                 118 
                                                                                                        THEORETICAL COMPUTER SCIENCE 
                                                                                                                                  33 
                                                                            LEIBNIZ INTERNATIONAL PROCEEDINGS IN INFORMATICS, LIPICS 
                                                                                                                                  29 
                                                                                      ACM INTERNATIONAL CONFERENCE PROCEEDING SERIES 
                                                                                                                                  26 

Rete degli autori: paper x autore, conta quanti articoli fatti da autori

MONTANARI A  CHITTARO L   MIZZARO S    DOVIER A POLICRITI A 
        200         164         131         119         111 

Accoppiamento bibliografico - autori

Le pubblicazioni scientifiche contengono riferimenti ad altri lavori scientifici. Questo genera un’altra rete, quella delle reti di accoppiamento o co-citazioni.

Due autori sono accoppiati bibliograficamente se almeno una fonte citata compare nelle loro pubblicazioni.

Rete di accoppiamento: \[B = A\cdot A^T\] dove A è una rete bipartita. Due autori sono collegati da un arco nella rete se citano insieme uno o più documenti.

L’elemento \(b_{i,j}\) indica quanti accoppiamenti bibliografici esistono tra i e j. La forza dell’accoppiamento di due autori, i e j, è definita dal numero di riferimenti che gli autori hanno in comune.

L’accoppiamento bibliografico tra autori è una misura di quanto due autori condividono riferimenti comuni nelle loro pubblicazioni. In altre parole, quanti autori citano gli stessi lavori nelle loro ricerche.

Analisi della rete RIVEDERE BENE

Il nodo più centrale della rete risulta essere il Professor Montanari, con i valori più alti di tutti in queste tre metriche 1.

Il Professor Sciavicco si posiziona in alto per la betweenness centrality, indicando un ruolo di ponte tra diverse comunità di autori.

           vertex cluster btw_centrality clos_centrality eigen_centrality pagerank_centrality
1     montanari a       1    13.39368687      0.05263158        1.0000000          0.07111749
2      chittaro l       1    11.48971861      0.05000000        0.9682914          0.06751231
4        dovier a       1     6.34844877      0.04761905        0.9517021          0.06355369
5     policriti a       1     1.01709957      0.04166667        0.8519340          0.05281062
6       miculan m       1     2.87857143      0.03703704        0.6407811          0.04390158
7        piazza c       1     4.41273449      0.04545455        0.9197720          0.05994769
10    formisano a       1     0.22222222      0.03703704        0.7017598          0.04287273
11     pontelli e       1     5.30357143      0.04545455        0.9043967          0.06022433
13         sala p       1     0.09090909      0.03846154        0.7612207          0.04604983
14    sciavicco g       1     9.21749639      0.05000000        0.9780838          0.06727353
16        peron a       1     0.40202020      0.04000000        0.8086375          0.04939492
17     bresolin d       1     0.09090909      0.03846154        0.7612207          0.04604983
18     bozzelli l       1     0.00000000      0.03703704        0.7001122          0.04280464
19 della monica d       1     1.01709957      0.04166667        0.8519340          0.05281062
20     molinari a       1     0.40202020      0.04000000        0.8086375          0.04939492
3       mizzaro s       2     1.38253968      0.03571429        0.5347086          0.04137361
8      foresti gl       2     0.66468254      0.03333333        0.3904441          0.03500198
9    piciarelli c       2     0.52182540      0.03225806        0.3243567          0.03169540
12      roitero k       2     0.87301587      0.03448276        0.4725611          0.03810668
15        serra g       2     1.27142857      0.03448276        0.4692827          0.03810361


Main statistics about the network

 Size                                  1027 
 Density                               0.015 
 Transitivity                          0.344 
 Diameter                              5 
 Degree Centralization                 0.175 
 Average path length                   2.893 
 

Densità: indica una rete sparsa.

Transitività: livello di clustering moderato.

Centralizzazione del grado: misura la concentrazione dei collegamenti nella rete, significa che la distribuzione dei gradi non è completamente uniforme, con alcuni autori che hanno un numero di collegamenti significativamente maggiore rispetto ad altri.

Lunghezza media dei percorsi: molto breve.

Collaborazione autori

La rete di collaborazione scientifica è una rete in cui i nodi sono gli autori e i legami sono le coautorialità, in quanto quest’ultima è una delle forme più documentate di collaborazione scientifica (Glanzel, 2004).

Una rete di collaborazione tra autori può essere ottenuta utilizzando la formulazione generale: \[AC=A^T \cdot A\] dove A è una rete bipartita Papers x Autori.

L’elemento diagonale \(ac_i\) è il numero di papers di cui il ricercatore \(i\) è autore o coautore.

Sono presenti 4 clusters ed in ognuno di essi è presente almeno un nodo con dei valori alti di centralità, il che indica un ruolo di connessione e influenza all’interno del cluster.

  • cluster 1: Prof. Chittaro e Prof. Serra

  • cluster 2: Prof. Dovier e Prof. Policriti

  • cluster 3: Prof. Montanari

  • cluster 4: Prof. Mizzaro e Prof. Della Mea



Main statistics about the network

 Size                                  1027 
 Density                               0.009 
 Transitivity                          0.546 
 Diameter                              7 
 Degree Centralization                 0.115 
 Average path length                   3.764 
 

Densità: rete molto sparsa.

Transitività: livello di clustering elevato.

Centralizzazione del grado: distribuzione dei gradi non è completamente uniforme, con alcuni autori che hanno un numero di collegamenti significativamente maggiore rispetto ad altri.

Lunghezza media dei percorsi: molto breve.

Centralità dei nodi

                 Author    PageRank
MIZZARO S     MIZZARO S 0.022636312
MONTANARI A MONTANARI A 0.022060924
CHITTARO L   CHITTARO L 0.019531238
DOVIER A       DOVIER A 0.015664215
POLICRITI A POLICRITI A 0.014577407
FONTANA F     FONTANA F 0.012783335
PIAZZA C       PIAZZA C 0.012274768
ROITERO K     ROITERO K 0.010918362
MICULAN M     MICULAN M 0.010260782
SERRA G         SERRA G 0.009314755

I Prof. Mizzaro e Montanari sono i due autori con i valori di PageRank più alti; implica che sono nodi che hanno molti collegamenti da altri nodi potenzialmente centrali e parsimoniosi dal punto di vista dei collagamenti e sono anche probabilmente altamente collegati.

# A tibble: 10 × 5
   name         degree closeness betweenness    eigen
   <chr>         <dbl>     <dbl>       <dbl>    <dbl>
 1 MONTANARI A     573  0.000413     132484. 1       
 2 MIZZARO S       385  0.000364      88712. 0.00661 
 3 DOVIER A        278  0.000394      86414. 0.0390  
 4 CHITTARO L      260  0.000397      91725. 0.0419  
 5 POLICRITI A     233  0.000376     100099. 0.0916  
 6 FORESTI GL      213  0.000369      51786. 0.000762
 7 ROITERO K       209  0.000343      21271. 0.00607 
 8 PIAZZA C        205  0.000340      44883. 0.0611  
 9 PICIARELLI C    197  0.000312       5976. 0.000458
10 SCIAVICCO G     173  0.000353       7689. 0.540   

Le altre misure di centralità (betweenness, che misura il numero di cammini più brevi che passano per un determinato nodo; closeness, che misura la distanza media da un nodo agli altri, e dell’autovettore, in cui un nodo è importante se è collegato ad altri nodi importanti) indicano che il nodo più centrale di questa rete è il Prof. Montanari.

Power measure

Analizzo la misura di potenza, che dice che un nodo è potente se è connesso a nodi non potenti.

       Author PowerPercentage
6   MICULAN M       13.824084
5 POLICRITI A        9.242846
4    DOVIER A        6.816099
2  CHITTARO L        6.669387
1 MONTANARI A        6.471173
3   MIZZARO S        5.859651
[1] 0.6162251

Ricavo che i nodi più potenti all’interno della rete delle collaborazioni sono il Prof. Miculan (13.8% del potere totale) e il Prof. Policriti (9.2% del potere totale).

Per ulteriore controllo, calcolo la correlazione tra il grado del nodo e il potere: 0.6162251; vuol dire che c’è una piccola correlazione.

Analisi parole chiave

Rete parole chiave

Rete Bipartita Papers x Keyword Scopus

Ogni paper ha associate delle parole chiave dal database di Scopus.

Word cloud

Dai dati della rete bipartita è possibile creare un df con le frequenze delle parole, da cui si può ricavare una word cloud.

Le tre parole più presenti sono Computer Circuits (125), Semantics (101) e Temporal Logic (99).

Rete co-occorrenze parole chiave

Ci sono 2 cluster di parole chiave:

  • nel primo, il nodo più centrale secondo le metriche di betweenness e closeness è “Mobile Devices”; mentre “Algorithms” risulta il nodo con centralità di autovettore e PageRank più alto;

  • nel secondo, “Computer Programming” è il nodo con betweenness e clonesess più alta, mentre “Computer Circuits” ha centralità di autovettore e PageRank più alto.

                           vertex cluster btw_centrality clos_centrality
6           information retrieval       1     22.7247475      0.01785714
8                      algorithms       1     18.5488456      0.01818182
10                virtual reality       1     20.0707431      0.01694915
15                  deep learning       1      1.3166667      0.01190476
18                 mobile devices       1     93.9319264      0.02173913
20            computer simulation       1     38.2069264      0.01923077
23                user interfaces       1     13.8274170      0.01724138
25                          human       1      1.6833333      0.01470588
26                       websites       1      3.1761905      0.01562500
28               learning systems       1     15.6822150      0.01754386
29                         humans       1      1.7261905      0.01492537
30                        article       1     13.8857143      0.01562500
1               computer circuits       2      0.0000000      0.01162791
2                       semantics       2      1.5568182      0.01369863
3                  temporal logic       2      1.5333333      0.01428571
4               logic programming       2     15.0326840      0.01369863
5         artificial intelligence       2      4.3330087      0.01562500
7                 automata theory       2      5.1425325      0.01538462
9  computability and decidability       2      9.9246753      0.01492537
11                 model checking       2      1.9833333      0.01515152
12               computer science       2     25.6989177      0.01666667
13                   formal logic       2      0.9909091      0.01449275
14             computation theory       2     23.4865079      0.01694915
16 computer programming languages       2     14.0134921      0.01754386
17                problem solving       2     23.4572511      0.01818182
19            mathematical models       2     13.1889250      0.01785714
21                        algebra       2      5.2250000      0.01369863
22                   calculations       2     15.2571429      0.01587302
24       computational complexity       2      2.0825758      0.01428571
27           computer programming       2     40.8948413      0.01923077
   eigen_centrality pagerank_centrality
6       0.046932734          0.02476622
8       0.177489978          0.04355453
10      0.026057497          0.02185408
15      0.016518711          0.01395509
18      0.025046533          0.01951224
20      0.102193499          0.02952281
23      0.028194766          0.01982834
25      0.022427446          0.03148577
26      0.004812856          0.01289924
28      0.068954814          0.01805046
29      0.019511719          0.02809363
30      0.021262896          0.02500984
1       1.000000000          0.07825275
2       0.546762031          0.05960382
3       0.880195258          0.06228314
4       0.531650385          0.05008125
5       0.387690911          0.04633843
7       0.384948938          0.03725686
9       0.452589226          0.03710111
11      0.606129188          0.04286465
12      0.206270171          0.03090169
13      0.388602120          0.03819471
14      0.415216373          0.03545831
16      0.333866484          0.03492189
17      0.181883648          0.03177657
19      0.167553626          0.02966851
21      0.199775060          0.02776618
22      0.176872532          0.02015103
24      0.249872357          0.02937229
27      0.136806232          0.01947456

Mappa tematica RIVEDERE

L’analisi di co-occorrenza delle parole chiave genera cluster tematici, la cui densità e centralità permettono di classificarli e mapparli in un diagramma bidimensionale, creando una mappa tematica.

Essa consente di analizzare i temi in base al quadrante in cui sono collocati:

  1. quadrante in alto a destra: temi motori (cluster molto denso e molto centrale);

  2. quadrante in basso a destra: temi di base (cluster poco denso ma molto centrale);

  3. quadrante in basso a sinistra: temi emergenti o in via di estinzione (cluster poco denso e poco centrale);

  4. quadrante in alto a sinistra: temi molto specializzati/di nicchia (cluster molto denso e poco centrale).

La colonna r.rel si riferisce alle frequenze relative delle parole all’interno del cluster di appartenenza.

Ad esempio, il cluster in cui spicca la parola “algorithms” è nel quadrante dei temi di base, mentre “crowdsourcing” si trova nel quadrante dei temi emergenti o in declino. Il cluster con “finite element method” si trova nel quadrante dei temi di nicchia.

# A tibble: 45 × 4
# Groups:   Cluster [9]
   Cluster Words                   Occurrences  n.rel
     <dbl> <chr>                         <dbl>  <dbl>
 1       1 algorithms                       63 0.0696
 2       1 deep learning                    37 0.0409
 3       1 computer simulation              37 0.0409
 4       1 learning systems                 31 0.0343
 5       1 database systems                 30 0.0331
 6       2 semantics                       101 0.0474
 7       2 logic programming                92 0.0432
 8       2 artificial intelligence          88 0.0413
 9       2 automata theory                  67 0.0315
10       2 computer science                 55 0.0258
# ℹ 35 more rows

Conclusione RIFARE

All’interno del dipartimento operano gruppi di ricerca che si distinguono per una notevole produttività scientifica, la quale si traduce in un significativo apporto alla letteratura di settore. Pur focalizzandosi su ambiti di ricerca differenti, i gruppi collaborano attivamente tra loro, favorendo lo scambio di conoscenze e competenze.

Aria, Massimo, and Corrado Cuccurullo. 2017. “Bibliometrix: An r-Tool for Comprehensive Science Mapping Analysis.” Journal of Informetrics 11 (4): 959–75. https://doi.org/10.1016/j.joi.2017.08.007.

  1. Tutte le nozioni viste a lezione sono utilizzate ma non ri-definite.↩︎